教程：用LLM提示的用户消息的语义聚类

作为开发人员倡导者，跟上用户论坛消息并了解用户在说什么的全局是一项挑战。有很多有价值的内容 - 但是您如何快速发现关键对话？在本教程中，我将向您展示一个AI hack，仅通过提示LLMS来执行语义聚类！

tl; dr🔄此博客文章是关于如何从（Data Science + Code）→（AI提示 + LLMS）出现相同结果的方法 - 更快，更少的努力！ 🤖⚡。它的组织如下：

灵感和数据sourcesexplater用dashboardsllm提示通过多个不符号服务器

灵感和数据来源

使用仪表板探索数据

llm提示产生KNN簇

实验自定义嵌入

跨多个Discord服务器聚类

灵感和数据来源

灵感和数据来源

首先，我将向2024年12月的纸张Clio（Claude Insights and Oversives）提供道具，这是一个隐私保护平台，使用AI助手来分析和表面汇总的使用模式，以数百万对话。阅读本文激发了我尝试。

2024年12月纸的道具 clio clio （Claude Insights和Obsives）

数据。我仅使用了公开可用的不便消息，特别是“论坛线程”，用户在此寻求技术帮助。此外，我为此博客汇总了匿名内容。  每个线程，我将数据格式化为对话转向格式，用户角色确定为“用户”，询问问题或“助手”，任何人都回答用户的初始问题。我还添加了一个简单的，硬编码的二进制情感分数（“不开心”的0，为“ happy” 1），根据用户是否在他们的话题中表示感谢。对于VectordB供应商，我使用了Zilliz/Milvus，Chroma和Qdrant。

数据 Discord

我添加了一个天真的情感0 | 1评分函数。

def Calc_score （ ） ： = [ “谢谢” ， “谢谢” ， “ THX” ， “🙂” ， “😉” ， “👍” ] def contains_target_words （ ） ： = “” 。